Pandas：如何将多列互斥年龄分组标识转换为单列年龄分组标签

核心实现（最高效简洁） #

利用idxmax矢量化操作，直接提取每行最大值对应的列名，完美适配「每行仅一个1、分组互斥」的场景：

import pandas as pd

# 假设你的原始DataFrame变量名为df
# 提取年龄分组列做行维度最大值索引匹配，直接生成目标列
df["age_group"] = df[["21_30", "31_40", "40_49", "50_59"]].idxmax(axis=1)

# 如果仅需要保留age_group单列，可直接生成新结果表
df_result = df[["age_group"]]

方案说明 #

• 该方法是Pandas原生矢量化操作，无额外循环开销，数据量越大性能优势越明显
• 可读性高，逻辑直观：因为每行仅存在一个值为1的列，最大值的索引恰好对应需要的分组名称
• 如果需要提前校验数据是否符合「分组互斥、每行仅一个分组」的规则，可以加一行校验逻辑：

# 校验所有行的分组标记和为1，避免全0/多1的异常数据
assert (df[["21_30", "31_40", "40_49", "50_59"]].sum(axis=1) == 1).all(), "存在不符合互斥规则的异常行"

备选实现 #

也可以用矩阵点积的方式实现，性能和上述方案相当：

df["age_group"] = df[["21_30", "31_40", "40_49", "50_59"]].dot(df.columns)

内容的提问来源于stack exchange，提问作者Alf